原创 機器學習中的必修數學(十)

機器學習的步驟 SVM核心思想:最大間隔 SVM:核方法 SMO Hinge loss Regularization

原创 機器學習中的必修數學(一)

機器學習的領域 基本的機器學習算法的分類 得分函數 如圖,經過一系列的計算,最後得到的概率就叫得分函數 損失函數 得分函數與真實數據比較之後的誤差叫做損失函數 機器學習中的算法簡介 無監督學習(連續型):S

原创 機器學習中的必修數學(八)

共軛函數 共軛函數的基本性質 共軛函數的進一步性質 拉格朗日量與拉格朗日對偶函數 對偶函數重要性質 對偶問題 線性約束優化問題的對偶問題 最小化向量範數 最大熵問題 對偶性 Slater條

原创 機器學習中的必修數學(二)

常見的數學記號 極限 極限如何比較無窮小? 下面寫錯了,應該是cos(x) 無窮小階數 無窮小也可以互相比較 利用多項式類型無窮小,可以定義無窮小的階數 兩邊夾定理/夾逼定理 重要極限 微分學

原创 機器學習中的必修數學(六)

矩陣標準型 矩陣的變換 相似變換 相似變換下不變的性質 矩陣的相似標準型 線性映射的體積膨脹係數 例子 例題:秩 例子:相似標準型 小結 方陣的相合變換 相合不變量 方陣的正交

原创 機器學習中的必修數學(三)

常用的數學記號 黎曼積分 微積分基本定理:牛頓-萊布尼茨公式 不定積分的例子 多變量函數的積分 積分小結 離散隨機變量 離散型隨機變量是求和 連續隨機變量 連續型隨機變量是積分 如何理解概

原创 Python學習筆記(七)

1.創建只包含一個元素的tuple #創建只包含一個元素的tuple a_tuple = (2,) 2.Tuple中的List #tuple中的list mixed_tuple = (1,2,['a','d']) print("m

原创 Python學習筆記(二)

1.d=4 將整型對象”4” 賦值給變量d 2.一切數據都是對象 自行車稱爲對象,自行車的零件稱之爲自行車的屬性 對象方法:導向系統、驅動系統、制動系統等等 3.一切變量都是對數據對象的一個引用 引用:當數據對象賦值給

原创 Python學習筆記(四)

Python Interpreter—Python解釋器 Python中一個核心模塊,把Python語言解釋成計算機可以理解的語言 安裝目錄下的python.exe就是解釋器 Python環境變量以及Python Comma

原创 Python學習筆記(八)

1.函數就是程序中可重複使用的程序段 用關鍵字“def”來定義,給一段程序起一個名字,用這個名字來執行一段程序,反覆使用 # coding:utf-8 def say_hi(): print("hi!") say_hi(

原创 Python學習筆記(三)

Python 語言介紹: 面向對象,解釋性計算機程序設計語言 廣泛應用於科學計算,衆多開源科學計算軟件包提供Python開放接口(e.g:openCV) 設計哲學:優雅、明確、簡單、可讀性強 優點:功能強大、開發效率高、

原创 Python學習筆記(六)

1.編碼 # _*_ coding:utf-8 _*_ 如果使用Python打印中文字符串,沒有上面的代碼,就會顯示錯誤 print("你好") 2.list 數據結構—–List中的元素可以不相同,可以進行混合 如何創建一個l

原创 機器學習中的必修數學(五)

線性空間 線性空間與基 例子:座標系的選取 小結:線性空間與基 線性映射 線性變換的矩陣描述 線性映射與矩陣 線性映射與矩陣(小結) 幾何變換 簡單遞歸-斐波那契數列 線性模型遞歸 線

原创 Mahout基本原理

Point 1:什麼是Mahout? Mahout 是Apache的一個開源項目,提供一些可擴展的機器學習領域經典算法的實現,旨在幫助開發人員更加方便快捷地創建智能應用程序。Mahout包含許多實現,包括聚類、分類、推薦過濾、頻

原创 機器學習中的必修數學(九)

線性迴歸 單變量線性迴歸 多變量 損失函數 最小化損失函數 梯度下降 學習率與梯度下降 線性判定邊界 多分類 損失函數:hinge loss/支持向量機 點贊 收藏